ISSN 2594-357X
25º Seminário de Mineração — Vol. 25 , num. 25 (2026)
Título
Autoria
DOI
Downloads
Resumo
O ore sorting é uma tecnologia de concentração mineral baseada na separação de partículas de mineral-minério e de ganga por meio de sensores. Contudo, sua aplicação pode ser limitada quando os minerais apresentam propriedades semelhantes ou elevada heterogeneidade. Nesse contexto, este trabalho teve como objetivo desenvolver e validar uma prova de conceito de um sistema de ore sorting baseado em visão computacional e Inteligência Artificial (IA). O sistema foi composto por uma correia transportadora, um mecanismo de ejeção eletromecânico controlado por Arduino e um algoritmo de IA treinado para identificar o mineral-minério em meio a seis minerais de ganga visualmente semelhantes. O banco de dados foi composto por 5.276 imagens utilizadas no treinamento e validação do modelo. Os resultados indicaram elevada capacidade de detecção do mineral-minério, com mAP@0,5 de 98,5%, precision de 95,6% e recall de 94,8%. Nos testes de separação, o sistema alcançou recuperação de 99% do mineral-minério e taxa de separação indevida de 5% para os minerais de ganga. Os resultados demonstram potencial do uso da IA em sistemas de ore sorting, permitindo elevados índices de recuperação e seletividade utilizando sensor óptico convencional de baixo custo, ampliando o potencial de adoção da tecnologia em empreendimentos de pequeno e médio porte.
Ore sorting is a mineral concentration technology based on the separation of ore and gangue particles using sensors. However, its application may be limited when minerals exhibit similar properties or high heterogeneity. In this context, this study aimed to develop and validate a proof of concept of an ore sorting system based on computer vision and Artificial Intelligence (AI). The system consisted of a conveyor belt, an Arduino-controlled electromechanical ejection mechanism, and an AI algorithm trained to identify the target ore mineral among six visually similar gangue minerals. The dataset comprised 5,276 images used for model training and validation. The results indicated a high ore detection capability, achieving an [email protected] of 98.5%, precision of 95.6%, and recall of 94.8%. In the sorting tests, the system achieved a 99% recovery rate for the ore mineral and a 5% misclassification rate for gangue minerals. The results demonstrate the potential of AI-based ore sorting systems, enabling high recovery and selectivity rates using a low-cost conventional optical sensor, thereby expanding the potential adoption of the technology by smalland medium-scale mining operations.
Palavras-chave
Ore Sorting, Inteligência Artificial, Visão Computacional
Ore Sorting, Artificial Intelligence, Computer Vision
Como citar
Ramos, Kerollan da Silva; Pereira, Carlos Alberto.
Aplicação de Inteligência Artificial ao Ore Sorting: Uma Prova de Conceito,
p. 392-403.
In: 25º Seminário de Mineração,
São Paulo, SP - Brasil,
2026.
ISSN: 2594-357X, DOI 10.5151/2594-357X-43703
